HBM·제조업·통신망 갖췄지만 모델·클라우드·플랫폼 연결 전략은 취약
한국은 반도체에 강하다. 제조업도 강하다. 정부의 AI 투자도 늘고 있다. 그런데 글로벌 AI 주도권을 말할 때 한국은 좀처럼 중심에 서지 못한다. HBM과 메모리 반도체는 AI 서버의 핵심 부품이 됐지만, AI 산업의 판은 모델과 클라우드, 플랫폼과 데이터센터를 장악한 미국 빅테크 중심으로 짜이고 있다. 한국 AI의 착시는 이 질문에서 시작된다.
반도체를 잘 만든다고 AI를 주도하는 것은 아니다. 제조업 기반이 두텁다고 산업용 AI 시장이 저절로 열리는 것도 아니다. 정부 예산이 늘어난다고 민간 시장이 곧바로 생기는 것도 아니다. 한국 AI 논의가 자주 놓치는 지점은 바로 여기에 있다. 가진 자산이 주도권으로 이어지려면, 그 사이를 잇는 전략이 필요하다.
한국 AI의 문제를 “한국형 챗GPT가 있느냐”로만 보는 것도 질문을 좁히는 일이다. 독자 대형언어모델(LLM·Large Language Model)은 필요하다. 한국어와 행정, 금융, 의료, 제조 현장에 맞는 AI 모델은 분명히 있어야 한다. 그러나 한국형 챗GPT 하나가 없다는 사실만으로 한국 AI의 한계를 설명할 수는 없다.
# AI 경쟁은 이미 종합 산업전이 됐다
지금 AI 경쟁은 챗봇 성능만의 싸움이 아니다. 모델을 돌릴 반도체, 이를 담을 클라우드, 전력을 끌어올 데이터센터, 산업 현장에서 쓸 데이터와 서비스망이 함께 움직이는 종합 산업전으로 바뀌었다. AI는 소프트웨어 산업이면서 동시에 반도체, 전력, 통신, 제조업의 결합 산업이 됐다.
AI 확산 속도도 예전 산업과 다르다. 스탠퍼드대 인간중심AI연구소(HAI)의 ‘2026 AI 인덱스’는 생성형 AI(Generative AI·콘텐츠 생성형 인공지능)가 등장 3년 만에 인구 기준 53% 수준의 채택률에 도달했다고 분석했다. 같은 보고서에 따르면 2025년 미국의 민간 AI 투자는 2,859억 달러로 중국 124억 달러의 23배를 넘었다. 다만 이는 민간 투자 기준으로, 중국의 정부 주도 자금까지 온전히 반영한 수치는 아니다.
엔비디아의 실적은 AI 권력이 어디로 이동했는지를 보여준다. 엔비디아는 2026회계연도 매출 2,159억 달러를 올렸다. 이 가운데 데이터센터 부문 연매출만 1,937억 달러에 달했다. AI 시대의 권력은 단일 칩 판매가 아니라 그래픽처리장치(GPU·Graphics Processing Unit), 서버, 소프트웨어 생태계, 클라우드, 데이터센터를 한꺼번에 묶는 구조에서 나온다.
이 대목에서 한국의 착시가 생긴다. 한국은 AI 서버에 들어가는 핵심 부품을 만든다. 하지만 AI 산업의 가격과 표준, 개발 생태계와 서비스 유통망을 정하는 쪽은 따로 있다. HBM을 공급하는 나라와 AI 플랫폼을 장악한 기업의 권력은 같지 않다.
# 강점은 뚜렷하지만, 주도권은 따로 움직인다
한국의 강점은 분명하다. 삼성전자와 SK하이닉스를 앞세운 메모리 반도체 경쟁력은 AI 반도체 공급망의 핵심 축에 들어와 있다. 고대역폭메모리(HBM·High Bandwidth Memory)는 AI 서버의 병목을 줄이는 핵심 부품으로 떠올랐다. 자동차, 조선, 배터리, 철강, 화학 등 제조업 기반도 두텁다. 세계적으로 촘촘한 통신망과 의료·금융·공공 영역의 고밀도 데이터도 있다.
그러나 이 자산들은 아직 하나의 AI 전략으로 묶이지 못했다. 반도체는 반도체대로 움직였다. 제조업은 생산 현장 안에 머물렀다. 데이터는 규제와 기관 칸막이 안에 갇혔다. 플랫폼 기업은 글로벌 AI 서비스 경쟁에서 존재감을 충분히 만들지 못했다. 한국이 가진 요소들은 적지 않지만, 그 요소들이 하나의 산업 생태계로 맞물리는 힘은 약했다.
글로벌 이용자를 묶는 AI 플랫폼과 클라우드 생태계에서도 격차가 크다. 오픈AI(OpenAI), 구글(Google), 메타(Meta), 앤스로픽(Anthropic)은 모델을 만들고, 클라우드와 개발자 생태계, 기업용 서비스를 함께 확장한다. 한국 기업들도 모델과 서비스를 내놓고 있지만, 글로벌 시장의 표준을 움직이는 수준까지는 아직 가지 못했다.
전력과 데이터센터도 새로운 변수로 떠올랐다. 국제에너지기구(IEA)는 데이터센터 전력 소비가 2025년 485TWh에서 2030년 950TWh로 거의 두 배 늘 것으로 전망했다. AI 중심 데이터센터의 전력 소비는 같은 기간 세 배 증가할 것으로 봤다. AI 경쟁은 이제 모델 개발 역량뿐 아니라 전력망과 입지, 냉각, 데이터센터 운영 능력까지 요구하는 산업이 됐다.
이 흐름은 한국에 불편한 질문을 던진다. 한국은 반도체와 제조업을 갖고 있지만, AI 데이터센터와 클라우드 플랫폼, 산업용 AI 서비스까지 묶는 힘은 충분한가. AI 서버의 부품을 공급하는 데 머물 것인가. 아니면 AI가 돌아가는 산업 구조 자체를 설계하는 쪽으로 올라설 것인가.
# 한국 AI의 착시는 연결의 부재에서 나온다
정부도 AI 컴퓨팅 인프라 확충에 속도를 내고 있다. 과학기술정보통신부는 2026년 AI 예산을 9조9,000억 원으로 늘리고, 2026년까지 누적 3만7,000개의 GPU를 확보하겠다고 밝혔다. 이 자원은 국가 프로젝트와 공공 AI 서비스, 스타트업, 지역 AI 전환 사업 등에 배분될 예정이다. K-AI 기반모델을 공개하고, 제조·국방·문화 등 분야별 AI 서비스로 확산하겠다는 구상도 제시했다.
하지만 돈과 장비만으로 시장이 만들어지지는 않는다. GPU를 확보해도 이를 어떤 산업 수요와 연결할지 정하지 못하면 효과는 제한적이다. 정부 프로젝트가 민간 시장으로 이어지지 못하면 일회성 지원에 그칠 수 있다. 한국 AI 정책의 성패는 예산 규모가 아니라 반도체, 데이터, 산업 수요, 공공 조달, 인재를 하나의 흐름으로 엮는 능력에서 갈린다.
한국 AI의 착시는 “강점이 있다”는 사실과 “주도권이 있다”는 판단을 혼동하는 데서 나온다. 반도체 강국이라는 사실은 중요하다. 제조업 기반도 분명한 자산이다. 그러나 AI 시대의 주도권은 단일 산업의 경쟁력만으로 만들어지지 않는다. 모델과 데이터, 클라우드와 전력, 반도체와 산업 수요가 함께 움직여야 한다.
한국이 물어야 할 질문은 “한국형 챗GPT를 만들 수 있느냐”에 머물러서는 안 된다. 더 중요한 질문은 “한국은 AI를 어디에 심어야 가장 큰 경쟁력을 만들 수 있느냐”다. 범용 챗봇 경쟁에서 미국 빅테크를 정면으로 따라잡는 길은 좁다. 반면 제조업, 반도체, 의료, 금융, 공공 영역에 AI를 깊게 심는 길은 한국이 가진 자산과 맞닿아 있다.
한국형 AI의 출발점은 한국판 챗GPT 하나에 갇혀서는 안 된다. 반도체와 제조업, 데이터와 공공 수요를 연결해 산업 현장의 생산성을 끌어올리는 데서 답을 찾아야 한다. AI 패권국이라는 구호보다 중요한 것은 AI를 실제 산업 경쟁력으로 바꾸는 능력이다.
다음 질문은 여기서 시작된다. 독자 AI 모델은 필요한가. 필요하다면 한국이 노려야 할 시장은 범용 챗봇인가, 산업 특화 AI인가. 한국형 챗GPT 논의의 함정을 먼저 들여다봐야 하는 이유다.